摘要
随着投入运营的铁路里程不断增加,我国已经成为世界隧道工程规模最大、发展速度最快、运营里程最长的国家。运营期隧道逐渐出现衬砌裂缝、掉块和渗水等病害,定期检查和健康评估是确保隧道等地下基础设施安全建设和运行的必要条件。传统的人工巡检劳动强度大,耗时长,难以满足及时检测的要求。本项目利用自研隧道衬砌无损检测系统实现隧道衬砌表观图像的快速采集,通过深度学习中常用的目标检测算法YOLO V5加以人工复核的方式实现了对隧道衬砌表观病害的快速检测。检测后共发现病害679处,其中衬砌掉块病害216处;渗水病害28处;裂缝病害435处。综合考虑衬砌表观病害的分布规律,衬砌掉块和渗水病害,在K60+500~K61+800区段内呈现数量和程度上的增加,推断在该区段内隧道衬砌结构状态的出现明显变化。
